Práce s hluboce zanořenými daty
V předchozím cvičení jsi zploštil/a data zanořená o jednu úroveň. Tady rozbalíš data zanořená hlouběji.
Atribut categories v odpovědi Yelp API obsahuje seznamy objektů. K zploštění těchto dat využiješ argumenty funkce json_normalize(), které umožňují určit cestu k categories a vybrat další atributy pro zahrnutí do datového rámce. Nezapomeň také změnit oddělovač, aby bylo snazší vybírat sloupce, a přidat prefix k ostatním atributům, aby nedocházelo ke kolizím názvů sloupců. Projdeme to krok za krokem.
pandas (jako pd) a json_normalize() jsou již naimportovány. Data z Yelpu o kavárnách v New Yorku ve formátu JSON jsou uložena v proměnné data.
Toto cvičení je součástí kurzu
Streamlined Data Ingestion with pandas
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Flatten businesses records and set underscore separators
flat_cafes = ____(data["businesses"],
____)
# View the data
print(flat_cafes.head())